NE&GNN 第13页

Connecting the Dots: Multivariate Time Series Forecasting with Graph Neural Networks

近年来，图神经网络(gnn)在处理关系依赖方面表现出了很高的

西西弗的小蚂蚁·2022-12-13 16:12

【GCN基础学习】GCN基本模型概述，图卷积的基本计算方法，邻接矩阵的变换，GCN变换原理

声明：仅学习使用~Contents一、Review二、Continuelearning2.1GCN基本模型概述2.2图卷积的基本计算方法2.3邻接矩阵的变换2.4GCN变换原理一、Review【GNN基础学习

追光者♂·2022-12-13 10:59

PGM-Explainer实验总结

PGM-Explainer建立了一个概率图模型，为GNN提供实例级解释。

熠熠晨曦_·2022-12-13 10:29

PGM-Explainer

PGM-Explainer建立了一个概率图模型，为GNN提供实例级解释。

熠熠晨曦_·2022-12-13 10:58

新冠疫情预测模型--逻辑斯蒂回归拟合、SEIR模型

qq.comLastedited:2022.11.14"""大佬绕路，这里菜狗目录大佬绕路，这里菜狗（一）Logistic生长曲线逻辑斯蒂拟合的代码（二）疾病传播模型-SEIRSEIR模型代码一个在线的SEIR模型可视化平台基于GNN

秃头死干bug·2022-12-13 08:15

如何构建可信GNN？最新综述来了！可信图神经网络：维度，方法，趋势

来源：MonashUniversity作者：HeZhang，BangWu前言在过去的几年里，以神经网络为首的人工智能技术通过对不同类型数据的深入挖掘已经深刻地改变了人类的生活并极大地推动了社会发展的进程[1]。作为人工智能领域最活跃的研究方向之一，图神经网络（GNNs）凭借其卓越的性能已经被广泛应用于个性化推荐等日常生活中，在如新冠药物研发等科学前沿领域也不乏其身影。随着图神经网络技术的蓬勃发展，

人工智能学家·2022-12-12 16:57

“知识图谱+”系列：知识图谱+图神经网络

最近有很多朋友联系泽宇说想了解一些知识图谱和图神经网络（GNN）结合的研究。那泽宇当然要满足朋友们的要求啊，本期泽宇从知识图谱的几个不同研究方向总结了结合GNN的经典研究，也和大家一起分享。

Necther·2022-12-12 07:16

图神经网络学习(三)-常见的图神经网络库

Enoch Liu98·2022-12-11 19:27

【论文笔记】KDD18 PinSage A new graph convolutional neural network for web-scale recommender systems

overview论文地址，含oral视频Pinterest官方的博客pinsage又是JureLeskovec组的一篇有影响力的工作，该工作被认为是第一个用于工业界GNN推荐系统。

qq_38420683·2022-12-11 18:14

KDD2021《TDGIA: Effective Injection Attacks on Graph Neural Networks》论文详解

arxiv.org/pdf/2106.06663.pdfevasionattack1&2Abstract&Introduction本文作者分析了图注入攻击（GraphInjectionAttack，GIA）设置下的GNN

Anonymous-·2022-12-11 18:08

（KDD2020）论文笔记---------XGNN: Towards Model-Level Explanations of Graph Neural Networks

TowardsModel-LevelExplanationsofGraphNeuralNetworksAbstract图神经网络通过聚合邻居节点的信息来学习节点特征，虽然在许多图任务上取得了较大的成功，但是GNN

Laiguibing521·2022-12-11 18:37

随记（8）：CVPR2021关于Tracking的论文速读(2)-11篇

LearningDynamicsviaGraphNeuralNetworksforHumanPoseEstimationandTracking1.提出了一种新的在线学习姿态动力学的方法，该方法独立于当前帧的姿态检测，因此可以结合当前帧的检测结果做出更优化的姿态估计2.通过显式地考虑时空和视觉信息的图形神经网络(GNN

是魏小白吗·2022-12-11 09:03

注意力机制神经网络_GNN|三种注意力机制在图神经网络中的应用和总结

作者|ArchWalker编辑|深度学习与PyTorch转载|https://archwalker.github.io/blog/2019/06/01/GNN-Triplets-GAT.html声明|文章经作者授权转载引言在前两篇推文

weixin_39717865·2022-12-11 03:16

知深行远：关于图神经网络层数加深的探索

作者|贺华瑞简介什么是GNN？图(Graph)由结点和连边组成，我们把应用于图上的神经网络算法称为图神经网络(GraphNeuralNetwork,简称GNN)。

zenRRan·2022-12-10 13:37

【论文阅读】PGCL：Prototypical Graph Contrastive Learning

Cziun·2022-12-09 16:55

GNN python packages

目录numpypackagenumpy创建ndarray数组numpy.zeros()函数numpy.empty()函数numpy.eye()函数np.random.permutation(x)函数numpy.matrix()函数numpy.arange()函数numpy数组calculation加：numpy.num()函数乘:numpy.matmul()函数乘：numpy.dot()函数平均：

天狼啸月1990·2022-12-09 12:59

GNN PyTorch functions

目录PyTorchfundamentalfunctionstorch.cuda()方法torch.cuda.empty_caches()torchfile.pt,.pth,.pkl文件torch.save()和torch.load()函数torch.nn传统建模方法torch.nn.ModuleList()torch.nn.Sequential()torch.nn.Linear()torch.nn

天狼啸月1990·2022-12-09 12:29

【论文导读】DAG-GNN: DAG Structure Learning with GNN

这也是那篇pianzi的introduction的reference讲了NOTEARS【也就是文中反复提及的Zheng等人的论文，数学上很basic，如果有时间可以写一下】的一个变种，听起来挺厉害的读一读摘要【针对的问题】从联合分布的样本中学习一个可信的（faithful）（DAG）是一个具有挑战性的组合问题，因为图结点数量的超指数搜索空间的超指数性是难以解决的。【优化的方法-NOTEARS】最近

ViviranZ·2022-12-09 10:40

GNN学习笔记（二）：PyG数据集加载与处理

参照官方文档学习：1图的构建构建一个三个节点，四条边的图（有两条无向边，用四条有向边表示）importtorchfromtorch_geometric.dataimportData#data.edge_index:GraphconnectivityinCOOformatwithshape[2,num_edges]andtypetorch.long#也可以以该矩阵的转置形式定义edge_indexe

花锄·2022-12-08 19:25

在PyG上构建自己的数据集

PyG构建自己数据集PyG简介PyG（PyTorchGeometric）是一个建立在PyTorch基础上的库，用于轻松编写和训练图神经网络（GNN），用于与结构化数据相关的广泛应用。

为援不可图·2022-12-08 19:52

gnn神经网络是什么,gnn神经网络代码

1、gnn什么意思?指图形神经网络。生物神经网络主要是指人脑的神经网络，它是人工神经网络的技术原型。人脑是人类思维的物质基础，思维的功能定位在大脑皮层，后者含有大约10^11个神经元。

aifans_bert·2022-12-08 06:35

TigerGraph GNN课程一：图数据切分与GNN模型数据加载实践

在机器学习领域，我们需要审慎处理到手的真实数据集，在训练的各个阶段都会有不同的方法在样本上进行操作和验证。如何切分数据集并进行分批训练，是每一个机器学习项目都会面临的问题。数据切分对于机器学习模型，如何利用好已有的数据集是模型效果优劣的前提条件。切分训练集、验证集和使用测试集的过程，需要考虑数据的各类情况：有效样本的多少，样本中的时序信息，样本潜在的分组，样本平衡性问题等。切分的目标是在给定的数据

TigerGraph·2022-12-08 02:40

【知识图谱系列】基于生成式的知识图谱预训练模型

来自：机器学习与自然语言处理本文介绍一篇基于生成式的图谱预训练模型GPT-GNN（KDD2020），介绍GPT-GNN模型核心点和模型思路，完整汇报ppt获取请关注公众号回复关键字：GPT-GNNBACKGROUNDBackground1

zenRRan·2022-12-07 19:04

《Graph Neural Network for Interpreting Task-fMRI Biomarkers》阅读笔记

《GraphNeuralNetworkforInterpretingTask-fMRIBiomarkers》前言一、模型1.图的定义2.GNN3.数据敏感性二、实验1.对比实验2.可视化3.鲁棒性前言2019

weixin_45285795·2022-12-07 17:23

MG-BERT | 利用无监督原子表示学习预测分子性质 | 在分子图上应用BERT | GNN | 无监督学习(掩蔽原子预训练) | attention

分子性质预测的的大部分文章，本质是研究分子的表示学习，然后应用到性质预测任务。有分子性质预测的文章，关键词是“propertyprediction”，也有专门研究毒性的文章，关键词是“toxicityprediction”。这周读了一篇2021.5发表在BIB上的文章，用无监督的方式学习分子的表示，期刊是化学二区的，影响因子9.905。MG-BERT:leveragingunsuperviseda

啊啦灯神叮·2022-12-07 11:33

arXiv 最新速递| 异配图上的GNN该怎么设计？

StructureLearningGraphConvolutionalNetworksforGraphsunderHeterophily论文地址：https://arxiv.org/abs/2105.13795欢迎关注小编知乎：图子传统的GNN

weixin_45519842·2022-12-07 11:31

图神经网络 | GNN概念初理解

图神经网络-GNN在理解GNN这个分支时，看到了深度revealer博主的《简单粗暴带你快速理解GNN》，该视频很好的带我在数学侧面理解了GNN网络的本质；耿直哥发布的《【GNN图神经网络】直观透彻理解

HL Lee·2022-12-07 11:31

[GNN图神经网络]普通邻接矩阵和 Adjacency Matrix 与 COO稀疏矩阵（edge_index, 和edge_w）相互转化

导言:本文主要使用Pytorch和Numpy实现图的AdjacencyMatrix与COO稀疏矩阵（edge_index,和edge_w）相互转化1.图的两种表示方式1.1普通邻接矩阵AdjacencyMatrix本文所指的图是指UndirectedgraphG(V,E)，并且AdjacencyMatrix如下图F所示。1.2图的边的连接度和连接权重edge_index,edge_w，即COO稀疏

John Lio·2022-12-07 11:30

GNN：图结构的表示方法【邻接矩阵：每行数据表示一个节点与图中其他各个节点的相邻情况的ont-hot编码拼接上该节点的属性one-hot编码（二维数组结构）（稀疏，高维）】【邻接表（链表结构）】

微博、微信、LinkedIn这些社交软件我想你肯定都玩过吧。在微博中，两个人可以互相关注；在微信中，两个人可以互加好友。那你知道，如何存储微博、微信等这些社交网络的好友关系吗？这就要用到我们今天要讲的这种数据结构：图。实际上，涉及图的算法有很多，也非常复杂，比如图的搜索、最短路径、最小生成树、二分图等等。我们今天聚焦在图存储这一方面，后面会分好几节来依次讲解图相关的算法。一、概述我们前面讲过了树这

u013250861·2022-12-07 11:29

GNN在文本分类上的应用 | (2) Text Level Graph Neural Network for Text Classification

论文下载链接本篇博客是论文《TextLevelGraphNeuralNetworkforTextClassification》的阅读笔记。目录1.简介2.方法3.实验4.结论1.简介在上一篇博客中，我们介绍了TextGCN模型，即用GCN来做文本分类。他有如下的两个问题：1）TextGCN为整个数据集/语料库构建一个异构图(包括(待分类)文档节点和单词节点),边的权重是固定的(单词节点间的边权重是

CoreJT·2022-12-07 11:28

GNN | 文本序列的常用构图方法与代表案例剖析

来自：老刘说NLP传统的NLP任务中，通常将文本作为一个序列进行处理，而随着GNN图神经网络的兴起，将文本转换为图结构，并且使用GNN等模型进行建模的想法也逐渐被提出，并取得了一定的效果。

zenRRan·2022-12-07 11:56

【GNN】图网络|图神经网络(GNN)结构化数据分析

阅读大概需要14分钟跟随小博主，每天进步一丢丢来自：专知【导读】GraphNeuralNetwork（GNN）由于具有分析图结构数据的能力而受到了广泛的关注。

zenRRan·2022-12-07 11:26

【GNN图神经网络】邻接矩阵转化coo格式的稀疏矩阵

刚开始学习图神经网络，在使用PyG框架编程的时候，有一件事很让我纠结：PyG要求输入的邻接矩阵X应该是稀疏矩阵的形式（edge_index），而不是我制作的NxN邻接矩阵形式。举个简单的例子，看下面这个图结构：邻接矩阵的创建如下：A=np.array([0,1,0],[1,0,1],[0,1,0])A=torch.LongTensor(A)然后你会发现扔进PyG搭建的GCN模型报错了啊！Value

Mr.zwX·2022-12-07 11:25

2022年历史最全可信图神经网络论文、工具、资源等整理分享

图神经网络（GraphNeuralNetwork，GNN）是指使用神经网络来学习图结构数据，提取和发掘图结构数据中的特征和模式，满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。

lqfarmer·2022-12-07 11:54

【GNN基础学习】图模块基本定义 || 图的邻接矩阵 || GNN中常见任务有哪些？ || GNN消息传递方法 || 多层GCN有什么作用？

声明：仅学习使用~目录一、图模块基本定义二、图的邻接矩阵三、GNN中常见任务：点级别任务、边级别任务、图级别任务。四、消息传递方法五、多层GCN的作用一、图模块基本定义点、边、图。

追光者♂·2022-12-07 11:21

Graph Neural Networks (GNN)（五）：Graph Embedding (DeepWalk, Line, Node2Vec)

1.概述本系列之前文章主要介绍了基于空间（Spatial）和图谱（Spectral）理论的图神经网络（GNN）GraphNeuralNetworks(GNN)（一）：Spatial-GNNGraphNeuralNetworks

xiaopihaierletian·2022-12-07 10:26

Graph Neural Networks (GNN)（一）：Spatial-GNN

Spatial-GNN想要把这种卷积操作直接推广到Graph上。2.做法将某个节点周围的领域节点特征收集起来，进行某一种操作，然后更新这个节点的特征。图

xiaopihaierletian·2022-12-07 08:25

Graph Neural Networks (GNN)（三）：Spectral-GNN 之 GCN

1.概述前面讲了Spectral-GNNGraphNeuralNetworks(GNN)（二）：Spectral-GNN引言和导入的引言和导入。这一篇主要介绍这一类最经典的一条模型主线：GCN。

CaoChengtai·2022-12-07 07:55

李宏毅机器学习|图神经网络Graph Nerual Networks(GNN)|学习笔记-part2

频域上的图神经网络之前时域上之所以不对数据和卷积一样做卷积处理，是因为在图神经网络中，各个节点都不规范，没办法引用规范的卷积核进行卷积操作。这里我们可以把这一理念在频域中运用。我们知道，在时域中卷积就等于在频域中相乘，这个奠定了在神经网络可以定义在频域的基础。因此在频域上图神经网路就是把数据先transform到频域上，用filter处理，然后再转回到空域的过程。首先是一些必备知识1、2、定义ad

xiaopihaierletian·2022-12-07 07:55

李宏毅机器学习|图神经网络Graph Nerual Networks(GNN)|学习笔记-part1

文章目录前言1Introduction2Roadmap3Spatial-basedGNNNN4G(NeuralNetworksforGraph)论文地址DCNN(Diffusion-ConvolutionNeuralNetwork)MoNET(MixtureModelNetworks)GraphSageGAT(GraphAttentionNetworks)GIN(GraphIsomorphismN

xiaopihaierletian·2022-12-07 07:19

代码学习笔记 | rdkit| psi4 | GNN | df | 命令随手记 | 持续更新.......

1.RDKit1.1smile与mol对象的转化smile="O=C1c2ccccc2C(=O)c3c1ccc4c3[nH]c5c6C(=O)c7ccccc7C(=O)c6c8[nH]c9c%10C(=O)c%11ccccc%11C(=O)c%10ccc9c8c45"mol=Chem.MolFromSmiles(smile)smile=Chem.MolToSmiles(mol)mol,smile1

啊啦灯神叮·2022-12-07 05:48

[论文阅读笔记15]GNN在多目标跟踪中的应用

GNN简单来讲,旨在通过融合顶点和边的特征进而提取出图(Graph)中的信息.一个直觉的想法是,在MOT中,我们可以用顶点表示目标的特征,边表示目标之间的关系,进而一个构成的图就可以作为解决关联问题的一个很好的入口

wjpwjpwjp0831·2022-12-07 05:17

HM-GNN：基于分子-基序异构图神经网络的分子表示学习模型

作者在该论文中考虑学习分子的基序级特征表示以改善分子整体的特征学习，基于此搭建了分子-基序异构图神经网络模型（HM-GNN），并在多个数据集上与其他模型比较取得了最优的表现，另外作者提出可以将此方法作为小分子数据

数据派THU·2022-12-07 05:43

李宏毅机器学习课程梳理【十】：GNN&Spectral-based GNN

文章目录摘要1FourierTransform2Spectral-basedGNN2.1整体思想2.2SpectralGraphTheory2.3方法的弊端3应用算法3.1ChebNet3.2GCN4结论与展望摘要Spectral-basedGNN方法借助了信号与系统中的傅里叶变换，定义了一套SpectralGraphTheory，用DiscretetimeFourierbasis体现频率与信号能

-Emmie·2022-12-07 05:12

GNN学习资料分类整理——（持续更新）

论文类GNNPaperList清华大学实验室给出的有关GNN综述、模型、应用的优秀论文列表视频类Stanford图网络机器学习课程主页网址：http://web.s

朱砂色·2022-12-07 05:42

GNN知识整理

持续更新中…目录1.2.3.4.5.6.7.8.9.10.GCN1.1基础公式：符号解释HlH^lHl表示第l层的输入特征；Hl+1H^l+1Hl+1表示输出特征；wlw^lwl表示线性变换矩阵；σσσ表示非线性激活函数；AAA表示邻接矩阵A~\widetilde{A}A表示有自连的邻接矩阵，即A~=A+I\widetilde{A}=A+IA=A+I；D~\widetilde{D}D表示自连矩阵的

hei_hei_hei_·2022-12-07 05:07

GNN在轻应用内容推荐中的召回实践

本系列文章包含每平每屋过去一年在召回、排序和冷启动等模块中的一些探索和实践经验，本文为该专题的第二篇。第一篇指路：冷启动系统优化与内容潜力预估实践前言每平每屋是阿里巴巴旗下家居家装平台，涵盖淘宝每平每屋家居频道、每平每屋设计家、每平每屋App、每平每屋制造业等家居全链路服务，为消费者提供了2D图文、3D样板间、3D虚拟直播、3D短视频、VR全屋漫游等丰富多元的家居内容，逐渐成为年轻一代生活灵感与家

阿里巴巴淘系技术团队官网博客·2022-12-07 05:35

初识GNN与深度学习

图的计算任务1.侧重于节点的任务1.1节点分类节点常常与有用的信息相关联，这些信息可以被视为这些节点的标签。比如社交网络中，用户的年龄、性别、职业、兴趣爱好。但一般来说只有很小一部分用户提供了完整的个人属性。那些无标签的节点需要通过模型预测标签。1.2链接预测一方面，有些图并不是完整的，会缺失一些点之间的链接；另一方面，许多图是自然演变的，比如在社交网络上，用户可以持续地与其他用户成为新朋友。推断

Lucinda_Chien·2022-12-07 05:35

学习GNN-持续更新中

最近看了一下神经网络和卷积神经网络（CNN）的基础概念，然后开始看生成对抗网络（GNN）的基础知识，之后会自己写一下代码，用GNN对数据集进行训练。

河马小白·2022-12-07 05:03

GNN学习笔记（一）：PyTorch Geometric 环境搭建（win10_CPU_jupyter/ Linux_GPU_VSCode远程）

1创建python虚拟环境condacreate-nenvpython=3.8condainfo--envscondaactivateenv2安装pytorch官方文档：PyTorch清华源：-ihttps://pypi.tuna.tsinghua.edu.cn/simplesome-packagepip3installtorchtorchvisiontorchaudio-ihttps://pyp

花锄·2022-12-06 12:50

推荐频道

NE&GNN